我国三次产业全要素生产率测算及其变动原因分解

杨文丰

（成都信息工程学院 商学院，四川 成都 610100）

一、引言

改革开放以来，我国GDP以年均9.5%的速度增长，2010年中国GDP超过日本，成为世界第二大经济体。然而，在经济发展取得巨大成绩的同时，也逐渐暴露出我国经济发展存在的一些问题。经济的粗放型发展以及产业结构的不合理发展导致我国目前严重的通货膨胀、产能过剩、收入差距过大以及环境污染等问题日益突出，成为我国经济实现可持续增长的障碍。因此，产业结构调整与转型升级是现阶段我国经济发展的重要战略措施。

加快产业结构转型升级，既要注重三次产业比重量的变化，更要注重其质的提高。在我国经济增速放缓的背景下，加深对三次产业经济增长质量及影响冲击的认识正当其时，既能够为我国产业结构转型升级提供正确的指引，又有利于政策制定者做出最有利于经济发展的经济决策。

按照新经济增长理论的观点，技术进步是经济增长的唯一源泉和经济发展的根本动力。因此，全要素生产率作为技术进步的重要指标已经成为衡量经济增长质量的重要工具。对全要素生产率的研究始于Solow（1957），其基本思想是将从产出增长率中扣除各要素投入贡献后的残差作为全要素生产率增长率。

基于Solow关于全要素生产率开创性的工作，国外学者对全要素生产率进行了大量研究。Daniel KAPP和Alan SÁNCHEZ（2012）对拉美国家制造业企业的全要素生产率进行研究，结果表明，智利和阿根廷制造业的平均全要素生产率长期高于其他国家，玻利维亚最低。研究还发现，全要素生产率的不同主要和国家层面有关，而不是企业层面。Konishi和Nishiyama（2013）对日本的压铸行业和金属切削机床行业的全要素生产率进行研究，结果表明，压铸行业全要素生产率整体高于金属切削机床行业。从对全要素生产率的估计方法方面进行的研究有：Olley and Pakes（1996）和 Levinsohn and Petrin（2003）发展了全要素生产率的半参数估计方法，Van Biesebroeck(2007)对估计全要素生产率的各种非参估计进行了评价总结。

我国学者对全要素生产率的研究大致从以下几个角度进行：第一，对我国整体的全要素生产率进行测算与分析，郭庆旺、贾俊雪（2005）测算了我国1979—2004年间的全要素生产率变化，认为要素投入远比全要素生产率的贡献大，我国尚属于要素投入型增长模式；徐现祥、舒元（2009）认为，我国1979—2004年间的全要素生产率增长率约为2.4%。第二，对地区全要素生产率进行研究，如陶长琪、齐亚伟（2010）对我国地区全要素生产率进行测算与分析，认为我国东中西部全要素生产率存在明显差异，FDI对全要素生产率的改善有明显促进作用。第三，从微观角度，对企业全要素生产率方面的研究有鲁晓东、连玉君（2012）等，他们认为，相比于劳动和资本的生产率，管理技能、企业治理策略等非投入要素对全要素生产率有更大的贡献。第四，对不同行业的全要素生产率进行研究，朱喜、史清华、盖庆恩（2011）从要素配置扭曲水平和发散程度角度考察了我国的农业全要素生产率问题。

以上四个方面是我国学者研究全要素生产率的主流视角，由于我国对三次产业的统计资料缺乏，较少有学者对我国三次产业的全要素生产率进行研究。从整体上对我国三次产业的生产效率进行定量研究，能够为产业结构转型升级提供指导方向。因此，本文在我国经济发展放缓和产业结构转型升级的背景下，对我国三次产业全要素生产率及其变动原因进行研究，有利于政策制定者做出有利于产业结构转型和经济发展的针对性措施，以实现我国经济的可持续发展。

本文通过DEA-Malmquist指数方法估计出三次产业的全要素生产率增长率，以检验我国三次产业的经济增长质量。为了更深入地研究造成我国三次产业全要素生产率和经济增长质量波动的原因，我们基于三次产业的全要素生产率增长率估计结果，相继建立基于三次产业的三个SVAR模型，以探索造成三次产业全要素生产率变动的因素冲击，从根本上找出影响我国三次产业经济增长质量的深层次原因，为提高我国产业结构转型效率指明方向。

本文的贡献有两点：第一点是运用最新的数据测算了我国分三次产业的全要素生产率，深化了对我国三次产业的认识；第二点是尝试运用SVAR技术分别对三次产业的全要素生产率进行了冲击分解，这对认识全要素生产率的波动原因作了有益的尝试。

二、我国三次产业全要素生产率测算

（一）基于DEA-Malmquist指数的全要素生产率测算方法

Malmquist指数最先由MalmquistSten（1953）提出，是对生产效率的一种衡量，经常被用来分析全要素生产率从当前到下一期的动态变化。假设存在n个决策单元，每个决策单元在t期使用m种输入，并获得s种输出，通过这种非参估计过程，可得Malmquist指数：MTFP（xt,yt,xt+1,y+1t）

其中表示第 j个决策单元在t期的输入指标值。表示第 j个决策单元在t期的输出指标值。

表Malmquist全要素生产率变化指数。TE代表纯效率变化，TC代表技术变化，SE代表规模效率变化，度量了产业的高度化水平。TEC=TE×SE代表效率变化，衡量了产业的优化程度。

DC（x,y）、DV（x,y）分别表示规模报酬不变和规模报酬可变情形下的距离函数。其值恰好为DEA理论中C2R模型和BC2模型效率值的倒数，在此不再赘述。

对于Malmquist全要素生产率指数变化存在以下经济含义：

（1）当MTFP＞1时，表明全要素生产率呈上升趋势。

（2）当MTFP=1时，表明全要素生产率不变。

（3）当MTFP＜1时，表明全要素生产率呈下降趋势。

对于Malmquist全要素生产率指数变化的分解成分TEC存在以下经济含义：

（1）当TEC＞1时，表明技术的利用效率提高，产业结构得到优化。

（2）当TEC＜1时，表明技术的利用效率降低，产业结构趋于恶化。

对于Malmquist全要素生产率指数变化的分解成分TC存在以下经济含义：

（2）当TC＜1时，表明生产边界收缩，整体产业技术衰退。

（二）数据来源及变量处理

为了对我国1986—2012年间三次产业的全要素生产率进行估计，从而检验我国三次产业的经济增长质量，运用Malmquist指数方法对我国三次产业全要素生产率进行估计。对于Malmquist指数的估计主要涉及到三次产业的产值、三次产业的资本投入以及三次产业的劳动投入变量。对于三次产业的产值变量，用三次产业的生产总值来表示；对于三次产业的资本投入变量，用三次产业的固定资产存量来表示；对于三次产业的劳动投入变量，用三次产业的就业人口表示。

三次产业的生产总值数据和三次产业的就业人口数据，直接从《中国统计年鉴》获取。对于三次产业的固定资产投资存量数据，用永续盘存法进行估计：

公式（2）中 Kit、Iit和 δit分别代表 i产业在 t期的固定资产存量，固定资产投资流量值和折旧率。对于各产业固定资产投资的流量值，1986—1994年的数据以基本建设投资、更新改造投资和房地产投资之和中三次产业各占的比例代替三次产业在固定资产投资总额中的比例来进行推算，由于这三项投资之和在固定资产投资中占很大比重，所以近似替代结果不会产生太大误差。其他年份三次产业的固定资产投资数据根据《中国统计年鉴》、《中国固定资产投资年鉴》计算而来，个别年份用插值法进行补充。对于折旧率的选择，运用大多数文献中使用的5%作为折旧率。对三次产业的生产总值，以1986年为基期运用消费者价格指数进行定基处理，对于三次产业的固定资产投资数据我们使用固定资产投资价格指数进行定基处理。

另外，永续盘存法涉及到对基期固定资产的估计，运用许多国际研究机构的通用做法：

公式（3）中Kit和Iit分别代表产业i在t期的固定资产投资存量与固定资产投资流量。gi代表产业i的固定资产投资增长率。

对于固定资产投资增长率，运用三次产业固定资产投资的几何平均增长率：

养猪业的市场行情虽然存在着许多不可预测的因素，但也遵循着一定的规律，掌握市场行情的一般规律，对指导生产、投资决策、提高经营水平、抗风险能力和经济效益十分重要。30多年的经验告诉我们，猪的市场价格一般在12～18个月波动一次，有时也会达到24个月波动一次。同时还要注意市场需求、总体存栏、气候及季节变化。

基于公式（2）、（3）、（4）和（5），可以获得三次产业固定资产投资存量数据，为以下对三次产业全要素生产率的估计提高可能。

表1 我国三次产业DEA-Malmquist全要素生产率指数及平均分解结果

（三）我国三次产业全要素生产率估计结果评价

基于以上的数据变量，通过DEAP2.1软件，可以得到我国三次产业DEA-Malmquist的全要素生产率指数如（表1）。

从表1中三次产业的全要素生产率指数估计结果可以看出，样本期间内第一产业的Malmquist全要素生产率指数在大部分年份小于1，这表明我国第一产业全要素生产率在大部分时期是呈下降趋势的，偶尔的上升也是暂时的。这充分说明了我国第一产业经济增长质量较低，主要依靠要素投入，生产效率对第一产业经济增长的贡献率较低。

第二产业Malmquist全要素生产率指数自1990年以来在绝大部分年份是大于1的，这表明自从1990年以来，我国第二产业全要素生产率呈上升趋势，第二产业的经济增长方式正逐步由要素投入型向效率提高型转变。

第三产业Malmquist全要素生产率指数自从1997年以来都是大于1的，这表明我国第三产业全要素生产率自1997年以来呈稳定的上升趋势，其经济增长质量逐步提高。总体上来说，我国第三产业经济增长质量向效率型的转变时期晚于第二产业，这主要是因为相对于传统的第二产业，我国第三产业发展较晚，其发展还不成熟。三次产业Malmquist全要素生产率指数的趋势图如下。

图1 各产业TFP指数趋势图

由图1可以看出，1997年以前我国三次产业全要素生产率指数呈不规则变化，而1997年以后，从整体看我国第三产业的全要素生产率指数最高，高于全社会的平均全要素生产率指数，第一产业的全要素生产率指数最低，低于全社会的平均全要素生产率指数，第二产业的全要素生产率指数介于第一产业和第三产业之间。这表明，近些年来，我国第三产业获得了快速发展，第三产业的经济发展效率水平获得了快速提高，超过了第一、第二产业。我国第三产业从要素投入型向效率提高型的转型效率最高，第一产业最低，且整体低于三产业的平均水平。

图2 三产业平均Malmquist全要素生产率指数分解趋势图

表1和图2中对三产业平均Malmquist全要素生产率指数的估计结果显示，技术变化在样本期间内的大部分年份大于1，这表明技术的利用效率提高，产业结构得到优化，生产边界扩展，整体产业技术进步。从图2还可以看出，我国全要素生产率提高的主要原因在于技术进步，技术进步对全要素生产率的贡献高于效率提高对全要素生产率的贡献。

三、我国三次产业全要素生产率变动原因分解

（一）冲击与生产率

基于Malmquist全要素生产率指数变化的估计结果，为了对我国三次产业全要素生产率变动的原因进行分解，从而找出影响我国产业结构转型效率的深层次原因，我们假设经济社会中存在4类因素冲击：首先，由于供给与需求因素是影响一个社会经济发展的重要因素，所以供给冲击与需求冲击必然成为影响三次产业结构转型的重要因素。供给冲击与需求冲击作为影响我国经济发展的最基本的冲击，分别从对生产部门投入和销售的影响对其利润产生冲击，从而促使企业改变其生产效率以实现利润最大化的目标，比如当企业生产成本提高导致的消极供给冲击降低企业利润时，企业倾向于提高其生产效率以降低成本；而当正向的需求冲击扩大企业的市场份额后，企业将会有更多的留存利润来进行研发，从而提高其生产效率。其次，政府作为宏观经济调控的主体，其政策冲击必然对经济总体产生影响。我国社会主义市场经济属于由政府进行强有力宏观调控的市场经济，政府的各种财政手段和货币手段能够对市场主体产生重要影响。因此，政府的宏观调控行为必然对企业的生产效率产生影响。最后，通货膨胀作为影响供给与需求及政府的宏观调控目标的重要因素，必然对三次产业的全要素生产率产生影响。价格冲击一方面影响生产要素市场，提高企业的生产成本；另一方面影响消费市场，降低企业的实际购买力和提高其名义收入。因此，价格冲击不仅由供需因素决定，还通过影响供给市场与需求市场对企业的生产产生影响，从而改变企业的生产方式，提高生产效率或者降低研发支出，维持目前的生产率水平以节约短期成本。因此，以下研究主要包括供给冲击（εst）、需求冲击（εd

t）、政策冲击（εgt）及价格冲击（εpt）。

（二）SVAR模型

本文建立的包含全要素生产率、经济增长、劳动投入和资本投入的四变量的SVAR模型如下：

公式（6）中Φij(L)是系数为ϕij(K)的滞后L阶的多项式，其中：

公式（7）中Φij(L)的系数代表第 j种冲击对第i个变量时间路径的脉冲响应。

本模型是四变量的SVAR模型，故应施加6个长期约束条件。对于公式（6）中的第一行，新古典经济理论认为，技术进步是经济增长的唯一源泉，所以从长期来看，影响经济生产总值的因素是技术进步，故包含技术进步的供给冲击将会对经济增长产生影响，而需求冲击、政策冲击和价格冲击只会在短期内对经济增长产生影响，所以从长期来看其影响为零。因此，可以得出三个长期约束条件Φ12（L）=0，Φ13（L）=0，Φ14（L）=0。对于公式（6）中的第二行，从影响劳动力的供给因素方面看，人口规模是影响供给的重要因素，而人口规模的增长对劳动力的影响要在长期后才能表现出来；劳动者自身的偏好也是影响劳动力供给的重要因素，而劳动力偏好是需要长期逐渐形成变化的，故在长期的会对劳动力产生影响。从需求因素方面看，企业对劳动力的长期需求是保证我国劳动力就业稳定的重要因素。从长期来看，需求因素也是影响劳动力就业的重要因素。而长期内政策冲击的紧缩与扩张相互交替，从而对就业产生的影响长期来看趋于零，价格因素的上升与下降的交替也会抵消其对就业的影响。因此可得到两个长期约束Φ23（L）=0，Φ24（L）=0。对于公式（6）中的第三行，从长期来看，除了影响固定资产投资的供给与需求因素外，政府的政策冲击对固定资产投资产生了重要的积极影响，这主要体现为我国经济增长一直以来主要是靠投资拉动。而价格因素的涨跌只能在短期内对固定资产投资产生影响，长期来看其影响为零，因此可得到第六个长期约束Φ34（L）=0。

（三）实证结果评价

基于第二部分的Malmquist全要素生产率变化指数的估计结果和相关数据，对SVAR模型进行估计。由于SVAR模型要求变量为平稳序列，首先对各个变量进行单位根检验，将不平稳序列变为平稳序列，单位根检验结果此处不再列出。SVAR模型的脉冲响应函数估计结果如下：

1.第一产业的脉冲响应

图3 第一产业TFP对供给冲击的脉冲响应

图4 第一产业TFP对需求冲击的脉冲响应

图5 第一产业TFP对政策冲击的脉冲响应

图6 第一产业TFP对价格冲击的脉冲响应

图3为第一产业的全要素生产率对供给冲击的脉冲响应，一个标准差的正向供给冲击对当期第一产业全要素生产率产生正向的积极影响，这种正向影响一直持续到第4期，并在第4期的影响减少为零，第4期之后，其影响逐渐稳定在较弱的负向水平。图4中第一产业的全要素生产率对需求冲击的脉冲响应表明，一个标准差的正向需求冲击对当期的全要素生产率产生显著的积极影响，并在第2期达到了最低的负向水平，这种波峰波谷交替的现象一直持续到第4期，并在第6期之后其影响趋于零。图5为第一产业全要素生产率对政策冲击的脉冲响应，一个标准差的积极政策冲击对当期的全要素生产率产生了负向影响，这种负向影响一直持续到第2期，这表明政府对第一产业的积极政策冲击不但没有提高该产业的全要素生产率，反而使其有所降低。这主要是由于政府对第一产业的政策扶持有很强的保护性色彩，从而对该产业的生产效率产生了负向影响。但这种负向影响不具有持续性，并在第2期至第4期期间产生微弱的负向影响，并在第4期之后趋于零。图6为第一产业全要素生产率对价格冲击的脉冲响应，价格冲击对第一产业全要素生产率产生了正向积极影响，这主要是因为，价格的上升势必造成生产成本的上升，厂商为了实现利润最大化就会进行不断的技术创新，从而实现生产成本的下降。

图7反映了四类冲击对第一产业全要素生产率的累积脉冲响应，从长期来看，供给冲击、需求冲击和价格冲击对全要素生产率产生了正向积极影响，其中供给冲击对全要素生产率的影响稳定在一个较高的水平，而需求冲击和价格冲击稳定在相对较低的水平；政策冲击对全要素生产率的影响稳定在一个负向水平。

图7 第一产业TFP对四种冲击的累积脉冲响应

2.第二产业的脉冲响应

图8 第二产业TFP对供给冲击的脉冲响应

图9 第二产业TFP对需求冲击的脉冲响应

图10 第二产业TFP对政策冲击的脉冲响应

图11 第二产业TFP对价格冲击的脉冲响应

图12 第二产业TFP对四种冲击的累积脉冲响应

图8为第二产业全要素生产率对供给冲击的脉冲响应，一个单位的正向供给冲击给当期全要素生产率一个正向影响，这种正向影响一直持续到第2期以后，并在第2期以后逐渐平稳于零，和第一产业全要素生产率对供给冲击的脉冲响应有着相似的路径变化。图9为第二产业全要素生产率对需求冲击的脉冲响应，一个标准差的正向需求冲击使全要素生产率上升，但这种正向影响比较短暂，第2期之后变为负的影响，这种负向影响一直持续到第4期，之后趋于零，但是正向需求冲击对第二产业全要素生产率的正向影响力度要大于负向影响力度。图10中的第二产业全要素生产率对政策冲击的脉冲响应显示，一个积极的政策冲击当期并没有给全要素生产率一个正向影响，这与第一产业的情况类似，很可能是由于我国对第二产业的政策带有很强的保护性色彩，所以不能提高企业进行技术创新的动力。图11为第二产业全要素生产率对价格冲击的脉冲响应，正向的价格冲击能够使厂商意识到生产成本的增加，从而加大科技创新的动力，因此对当期的全要素生产率产生了正向的积极影响。

从图12中第二产业全要素生产率对四种冲击的累积脉冲响应可以看出，其动态路径和第一产业全要素生产率对四种冲击的累积脉冲响应类似，从长期来看，供给冲击、需求冲击和价格冲击对全要素生产率的波动产生了正向积极影响，供给冲击稳定在一个较高的正向水平，其次是需求冲击，价格冲击对第二产业全要素生产率的变动是正向影响，但这种正向影响持续的时间较短，且影响不大。政策冲击同样也没有对第二产业全要素生产率产生积极影响。

3.第三产业的脉冲响应

图13 第三产业TFP对供给冲击的脉冲响应

图14 第三产业TFP对需求冲击的脉冲响应

图15 第三产业TFP对政策冲击的脉冲响应

图13、图14、图15和图16分别为第三产业全要素生产率对供给冲击、需求冲击、政策冲击和价格冲击的脉冲响应，可以看出第三产业对四类冲击的脉冲响应动态路径和第一产业、第二产业有很大的不同。一个标准差的正向供给冲击使当期第二产业全要素生产率有一个暂时的提高，但在第2期这种影响迅速降低为零，并在第3期达到最大的负向影响，这种负向影响一直持续到第6期，之后逐渐趋向于零。可见，由于现阶段我国第三产业的市场化程度比较低，通信、铁路运输以及金融保险等业务主要由国家垄断，正向的供给冲击，比如成本的增加使第三产业全要素生产率有一个暂时的提高，但这种压力会通过淘汰非国有企业而得到缓解，并最终对全要素生产率产生不利影响。要想提高第三产业全要素生产率，政府需要充分发挥市场的功能，逐渐实现国有经济的市场化改革。一个正向的需求冲击对第三产业全要素生产率产生了正向积极影响，这种正向影响一直持续到第4期，并逐渐趋向于零。与第一产业和第二产业不同，政策冲击对第三产业全要素生产率产生了积极的正向影响，因此，政策支持对提高第三产业全要素生产率有着重要影响。价格冲击对第三产业全要素生产率的影响和供给冲击对其的影响类似，这主要是通过成本效应来影响第三产业全要素生产率的动态变化路径的。

从图17中第三产业全要素生产率对四种冲击的累积脉冲响应可以看出，需求冲击和政策冲击最终对其全要素生产率产生了正向的积极影响，而供给冲击和价格冲击则对其产生了负向影响。

图16 第三产业TFP对价格冲击的脉冲响应

图17 第三产业TFP对四种冲击的累积脉冲响应

四、结论

根据1986—2012年的产业数据，我们首先通过DEA-Malmquist指数估计方法对我国三次产业的全要素生产率进行估计，以检验我国三次产业的经济增长质量。然后，基于估计的Malmquist全要素生产率指数估计值，我们建立三次产业的SVAR模型，以深入分析影响我国三次产业全要素生产率变动的因素冲击，从而为我国产业结构调整提供指引。实证结果表明，我国第一产业全要素生产率整体呈下降趋势，第二、第三产业的全要素生产率呈上升趋势；第三产业Malmquist全要素生产率指数高于第一、第二产业。这充分说明，近些年来我国第三产业转型效率高于第一、第二产业的转型效率；供给冲击、需求冲击和价格冲击对我国第一、二产业全要素生产率均产生了积极影响，且供给冲击对第一、第二产业的全要素生产率的贡献最大，而政策冲击对我国第一、第二产业全要素生产率产生了负向影响，即各类冲击对我国第一、第二产业的全要素生产率的影响路径是相似的；各类冲击对第三产业全要素生产率的影响路径不同于第一、第二产业，需求冲击和政策冲击对第三产业全要素生产率产生了正向影响，而供给冲击和价格冲击则对其产生负向影响。针对以上的研究结论，我们提出以下政策建议，以优化我国产业结构，提高我国产业结构转型的效率。

（一）加大对第一产业的科技扶持力度。我国第一产业生产效率低下，科技创新不足，第一产业作为我国的传统产业，其生产总量已经远远低于第二、第三产业，并且这种差距在逐渐扩大。因此，第一产业要想扩大对我国经济增长的贡献，必须提高其科技创新能力。要推进农业种植规模化进程，实现农产品深加工，政府必须加大对农业的人力、物力投入。

（二）取消对部分行业的政策保护色彩，适当放活市场。政府对我国部分行业的保护性色彩，降低了该行业的科技创新能力，严重制约了其经济效率的提高。因此，政府要适时地取消对部分行业的保护色彩，适当放活市场，充分发挥市场的优化配置功能。例如，政府对汽车行业极强的保护色彩，使民营资本面临很高的进入门槛，多元化资本进入汽车行业尚存在一定困难，市场的优化配置功能未得到充分发挥，所以我国汽车行业科技创新能力远低于世界平均水平。因此，政府必须从长期战略考虑，取消对部分行业的政策保护，放活市场。

（三）提高内需，充分发挥需求冲击对三次产业生产效率的积极影响。从实证结果可以看出，需求冲击对三次产业的全要素生产率都发挥着积极作用，验证了提高内需是实现我国经济持续增长的根本动力。因此，刺激内需是提高我国产业生产效率、实现经济可持续增长的一项长期战略措施。

（四）确保政策的有效配合。从实证结果可以看出，各类冲击对第一、第二产业的影响路径类似，而对第三产业的影响路径表现出了较大的差异性。因此，为了确保政策措施的有效性，避免对不同产业产生相反的效果，要注重各类政策的有效配合，以保障政策效果实现程度的最大化。

：

［1］Solow，Robert M.Technical Change and the Aggregate Production Function［J］.The Review of Economics and Statistics，1957，39（3），312－320.

［2］Daniel KAPP，Alan SÁNCHEZ.Heterogeneity of Total Factor Productivity Across Latin American Countries：Evidence from Manufacturing Firms［J］.CES Working Paper，2012，（34）.

［3］Konishi，Yoko.，Nishiyama，Yoshihiko.Decomposition

of Supply and Demand Shocks in the Production Function using the Current Survey of Production［J］.RIETI Discussion Paper，2013，Series 13－E－003.

［4］Olley，Steven G.，Ariel Pakes.The Dynamics of Productivity in the Telecommunications Equipment industry［J］.Econometrica，1996，64（6），1263－1297.

［5］Levinsohn，J.，A.Petrin.Estimating Production Functions Using Inputsto Control for Unobservables［J］.Review of Economic Studies，2003，70（2），317－341.

［6］Van Biesebroeck，Johannes.Robustness of Productivity Estimates［J］.Journal of Industrial Economics，2007，55（3），529－569.

［7］郭庆旺，贾俊雪.中国全要素生产率的估算：1979—2004［J］.经济研究，2005，（6）：51－60.

［8］徐现祥，舒元.基于对偶法的中国全要素生产率核算［J］.统计研究，2009，（7）：78－86。

［9］陶长琪，齐亚伟.中国全要素生产率的空间差异及其成因分析［J］.数量经济技术经济研究，2010，（1）：19－32.

［10］鲁晓东，连玉君.中国工业企业全要素生产率估计：1999—2007［J］.经济学（季刊），2012，（2）：541－558.

［11］朱喜，史清华，盖庆恩.要素配置扭曲与农业全要素生产率［J］.经济研究2011，（5）：86－98.

［12］Malmquist，S.Index Numbers and Indifference Curves［J］.Trabajos de Estadistica，1953，4：209-242.

［13］Blanchard，O.，Quah，D.The Dynamic Effects of Aggregate Supply and Demand Disturbances［M］.American Economic Review ，1989，（79），655－673.